CN105426888A - 一种基于Radon变换的车牌倾斜角度矫正方法 - Google Patents
一种基于Radon变换的车牌倾斜角度矫正方法 Download PDFInfo
- Publication number
- CN105426888A CN105426888A CN201510772814.1A CN201510772814A CN105426888A CN 105426888 A CN105426888 A CN 105426888A CN 201510772814 A CN201510772814 A CN 201510772814A CN 105426888 A CN105426888 A CN 105426888A
- Authority
- CN
- China
- Prior art keywords
- theta
- radon
- prime
- image
- projection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Abstract
一种基于Radon变换的车牌倾斜角度矫正方法,涉及车辆号牌识别领域,目的在于对识别的倾斜的号牌进行矫正,包括以下步骤:用edge函数计算图像的边缘二值图像,检测出原始图像中的直线;计算边缘图像的Radon变换,对每一个象素为1的点进行0-179度方向上分别做投影,计算边缘图像的Radon变换,显示变换效果图;检测出Radon变换矩阵中的峰值,这些峰值对应原始图像中的直线,Radon变换矩阵中的这些峰值的列坐标θ就是与原始图像中的直线垂直的直线的倾斜角度,直线的倾角为90-θ。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种基于Radon变换的车牌倾斜角度矫正方法。
背景技术
最近十多年,随着平安城市项目的推广,国内各级城市在路面街道安装了大量监控摄像机,协助公安办案破案。同时,随着机动车的大量普及,涉案机动车信息也成为了案件的重要线索。
通过已建的天网摄像机,对路面的机动车进行自动化检测识别,能够为公安带来极大的便利,提供丰富的数据来源。
但是,路面的摄像机,安装位置大都在路边,对机动车的拍摄存在一个角度,就会造成照片中机动车的号牌出现一个倾斜。在自动化识别时,软件就需要对该倾斜的号牌进行矫正。
发明内容
本发明的目的在于提供一种在自动化识别时,软件就需要对该倾斜的号牌进行矫正的方法。
本发明为解决上述技术问题,提供以下技术方案:
一种基于Radon变换的车牌倾斜角度矫正方法,其特征在于,包括以下步骤:
步骤1、用edge函数计算图像的边缘二值图像,检测出原始图像中的直线;
步骤2、计算边缘图像的Radon变换,对每一个象素为1的点进行0-179度方向上分别做投影,计算边缘图像的Radon变换,显示变换效果图;
步骤3、检测出Radon变换矩阵中的峰值,这些峰值对应原始图像中的直线,Radon变换矩阵中的这些峰值的列坐标θ就是与原始图像中的直线垂直的直线的倾斜角度,直线的倾角为90-θ。
Radon变换包括以下步骤:
二元函数f(x,y)的投影是在某一方向上的线积分,f(x,y)在垂直方向上的线积分是f(x,y)在x方向上的投影,在水平方向上的线积分是在y方向上的投影,沿y'方向的线积分是沿x'方向上的投影,投影沿任意角度进行,通常f(x,y)的Radon变换是f(x,y)平行于y’轴的线积分,格式如下:
其中
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本系统基于Radon变换理,对号牌图像进行倾斜矫正,提高号牌识别准确率。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是边缘图;
图2是矫正后所得图像;
图3是矩形函数在水平垂直方向和沿θ角方向的投影。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
一条直线沿它的法线方向投影所得的投影最长,而沿与其平行方向投影则所得的投影最短。Radon变换理论就是这样一种投影理论。用这种方法可以检测图像中的直线。
Radon变换的定义:二元函数f(x,y)的投影是在某一方向上的线积分,例如f(x,y)在垂直方向上的线积分是f(x,y)在x方向上的投影,在水平方向上的线积分是在y方向上的投影,沿y'方向的线积分是沿x'方向上的投影。投影可沿任意角度进行,通常f(x,y)的Radon变换是f(x,y)平行于y’轴的线积分,格式如下:
其中
Radon变换与计算机视觉中的Hough变换很相似,我们可以利用Radon变换来检测图像中的直线的倾斜角度。利用Radon变换检测直线倾斜角度的具体步骤为:
(1)用edge函数计算图像的边缘二值图像,检测出原始图像中的直线。
(2)计算边缘图像的Radon变换,对每一个象素为1的点进行运算(0-179度方向上分别做投影)其命令格式如下:
theta=0:179;
[r,xp]=radon(bw1,theta);%计算边缘图像的Radon变换
figure,image(theta,xp,r);%显示变换效果图
(3)检测出Radon变换矩阵中的峰值,这些峰值对应原始图像中的直线。Radon变换变换矩阵中的这些峰值的列坐标θ就是与原始图像中的直线垂直的直线的倾斜角度,所以图像中直线的倾角为90-θ。
图像倾角矫正具体程序实现如下:
首先事件是指从客户端页面(浏览器)由用户操作触发的事件,Struts使用Action来接受浏览器表单提交的事件,这里使用了Command模式,每个继承Action的子类都必须实现一个方法execute。
struts重要的表单对象ActionForm是一种对象,它代表了一种应用,这个对象中至少包含几个字段,这些字段是Jsp页面表单中的input字段,因为一个表单对应一个事件,所以,当我们需要将事件粒度细化到表单中这些字段时,也就是说,一个字段对应一个事件时,单纯使用Struts就不太可能,当然通过结合JavaScript也是可以转弯实现的。
Struts是一个基于SunJ2EE平台的MVC框架,主要是采用Servlet和JSP技术来实现的。Struts把Servlet、JSP、自定义标签和信息资源(messageresources)整合到一个统一的框架中,开发人员利用其进行开发时不用再自己编码实现全套MVC模式,极大的节省了时间,所以说Struts是一个非常不错的应用框架。
使用说明
流程说明
1.调用LPR_SetImageFormat设置识别图像格式。此函数在调用LPR_InitEx之前进行设置。
2.调用LPR_InitEx初始化核心库。
3.调用LPR_SetPlateType设置识别的车牌类型。此函数在调用LPR_InitEx之后调用LPR_FileEx之前调用。
4.调用LPR_SetSpecialParameters设置夜间模式、识别阈值、省份默认值、单张图片识别的车牌个数。此函数在调用LPR_InitEx之后,调用LPR_FileEx之前调用。
5.调用LPR_FileEx识别图片。这个函数在识别图片时可循环调用。
6.程序退出时调用LPR_UninitEx卸载核心库。
接口函数说明
LPR_SetImageFormat设置图像格式
BOOLWINAPILPR_SetImageFormat(
BOOLbMovingImage,BOOLbFlipVertical,intnColorOrder,
BOOLbVertCompress,intnMinPlateWidth,intnMaxPlateWidth,
BOOLbDwordAligned,BOOLbInputHalfHeightImage,
BOOLbOutputSingleFrame,intnChannel=1);
bMovingImage[in]:识别运动或静止图像;
bFlipVertical[in]:是否上下颠倒图像后识别;
nColorOrder[in]:图像格式;
bVertCompress[in]:是否垂直方向压缩一倍识别;
nMinPlateWidth[in]:最小车牌宽度,以像素为单位;
nMaxPlateWidth[in]:最大车牌宽度,以像素为单位;
bDwordAligned[in]:是否四字节对齐;
bInputHalfHeightImage[in]:是否输入场图像;
bOutputSingleFrame[in]:是否只输出一个识别结果;
nChannel[in]:通道号。
此函数在调用LPR_InitEx之前进行设置,函数调用成功返回TRUE,否则返回FALSE。LPR_SetPlateType设置识别车牌类型
BOOLWINAPILPR_SetPlateType(BOOLbYellow2,BOOLbIndivi,
BOOLbArmPol,BOOLbArmy2,BOOLbTractor,intnChannel=1);
bYellow2[in]:是否识别双层黄牌;
bIndivi[in]:是否识别个性化车牌;
bArmPol[in]:是否识别军牌;
bArmy2[in]:是否识别双层军牌;
bTractor[in]:是否识别农用车牌;
nChannel[in]:通道号。
此函数在调用LPR_InitEx之后进行设置,函数调用成功返回TRUE,否则返回FALSE。LPR_SetSpecialParameters
设置夜间模式、、识别阈值识别阈值、、省份默认值省份默认值、、识别车牌个数识别车牌个数
BOOLWINAPILPR_SetSpecialParameters(BOOLbNight,
intnImageplateThr,intnImageRecogThr,intnPlatesNum,
char*LocalProvince,intnChannel=1);
bNight[in]:是否是夜间模式;
nImageplateThr[in]:车牌定位阈值。取值范围是0-9,默认为7;
nImageRecogThr[in]:车牌识别阈值。取值范围是0-9,默认为5;
nPlatesNum[in]:需要识别车牌的最多个数;
LocalProvince[in]:默认省份。可以为空值;
nChannel[in]:通道号。
此函数在调用LPR_InitEx之后进行设置,函数调用成功返回TRUE,否则返回FALSE。LPR_InitEx初始化识别库
BOOL__stdcallLPR_InitEx(intnChannel=1);
nChannel[in]:通道号。
函数调用成功返回TRUE,否则返回FALSE。
LPR_UninitEx卸载核心库
BOOL__stdcallLPR_UninitEx(intnChannel=1);
nChannel[in]:通道号。
函数调用成功返回TRUE,否则返回FALSE。
LPR_FileEx识别图片文件
BOOL__stdcallLPR_FileEx(char*lpszFileName,char*lpszPlateFile,
TH_PlateResult*pResult,int&nRecogNum,TH_RECT*prcRange,
intnChannel=1);
lpszFileName[in]:待识别图片的路径;
lpszPlateFile[in]:识别出的车牌的保存路径,如果该参数设为NULL则不保
存车牌图片;
pResult[in]:识别结果结构体;
nRecogNum[out]:实际识别到的车牌个数;
prcRange[in]:识别范围,(0,0,0,0)识别整张图片,以像素为单位;
nChannel[in]:通道号。
支持BMP、JPG、TIF图像格式,函数调用成功返回TRUE,否则返回FALSE。
LPR_RGB888Ex识别内存图像
int__stdcallLPR_RGB888Ex(unsignedchar*pImg,
intnWidth,intnHeight,TH_PlateResult*pResult,
int&nRecogNum,TH_RECT*prcRange,intnChannel=1);
pImg[in]:指向内存中图像的指针,格式为RGB888,YUV420,YUV422,
格式在LPR_SetImageFormat函数中指定。
nWidth[in]:图像的宽度,以像素为单位。
nHeight[in]:图像的高度,以像素为单位。
pResult[in]:识别结果结构体。
nRecogNum[out]:实际识别到的车牌个数。
prcRange[in]:识别范围,(0,0,0,0)识别整张图片,以像素为单位。
nChannel[in]:通道号。
识别连续视频内存图像和单张内存图像。函数调用成功返回TRUE,否则返回FALSE。分区识别图片方法
在使用函数LPR_UninitEx()识别图片前需要设置识别范围(参考3.6),如
果需要分区识别,则需要根据照片的区域设置参数prcRange。
例如,分区识别以下照片的两个车牌,该照片的分辨率为1600X1200,分界线为600个象素(水平方向)。当识别闽DT7535时,将参数prcRange的值rcRange.left,rcRange.top,rcRange.right,rcRange.bottom设置为0,0,600,0。
当识别闽DGE983时,将参数prcRange的值rcRange.left,rcRange.top,
rcRange.right,rcRange.bottom设置为600,0,1600,0。只需要对两个水平参数rcRange.left,rcRange.right进行设置,不需要设置垂直方向的两个参数rcRange.top,rcRange.bottom。以上方法同样适合于函数LPR_RGB888Ex(),对内存图像进行分区识别。
Claims (2)
1.一种基于Radon变换的车牌倾斜角度矫正方法,其特征在于,包括以下步骤:
步骤1、用edge函数计算图像的边缘二值图像,检测出原始图像中的直线;
步骤2、计算边缘图像的Radon变换,对每一个象素为1的点进行0-179度方向上分别做投影,计算边缘图像的Radon变换,显示变换效果图;
步骤3、检测出Radon变换矩阵中的峰值,这些峰值对应原始图像中的直线,Radon变换矩阵中的这些峰值的列坐标θ就是与原始图像中的直线垂直的直线的倾斜角度,直线的倾角为90-θ。
2.根据全要求1所述的一种基于Radon变换检测直线倾斜角度,其特征在于:Radon变换包括以下步骤:
二元函数f(x,y)的投影是在某一方向上的线积分,f(x,y)在垂直方向上的线积分是f(x,y)在x方向上的投影,在水平方向上的线积分是在y方向上的投影,沿y'方向的线积分是沿x'方向上的投影,投影沿任意角度进行,通常f(x,y)的Radon变换是f(x,y)平行于y’轴的线积分,格式如下:
其中
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510772814.1A CN105426888A (zh) | 2015-11-12 | 2015-11-12 | 一种基于Radon变换的车牌倾斜角度矫正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510772814.1A CN105426888A (zh) | 2015-11-12 | 2015-11-12 | 一种基于Radon变换的车牌倾斜角度矫正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105426888A true CN105426888A (zh) | 2016-03-23 |
Family
ID=55505087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510772814.1A Pending CN105426888A (zh) | 2015-11-12 | 2015-11-12 | 一种基于Radon变换的车牌倾斜角度矫正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105426888A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215078A (zh) * | 2018-07-16 | 2019-01-15 | 哈尔滨工程大学 | 一种基于红外成像的海浪浪向确定方法 |
CN110059683A (zh) * | 2019-04-15 | 2019-07-26 | 广州广电银通金融电子科技有限公司 | 一种基于端到端神经网络的大角度车牌倾斜矫正方法 |
CN110287952A (zh) * | 2019-07-01 | 2019-09-27 | 中科软科技股份有限公司 | 一种维语图片字符的识别方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930247A (zh) * | 2012-10-18 | 2013-02-13 | 广西大学 | 一种基于计算机视觉的甘蔗茎节识别方法 |
CN104112139A (zh) * | 2014-06-30 | 2014-10-22 | 南京富士通南大软件技术有限公司 | 一种lpr车牌精确定位的方法和系统 |
-
2015
- 2015-11-12 CN CN201510772814.1A patent/CN105426888A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930247A (zh) * | 2012-10-18 | 2013-02-13 | 广西大学 | 一种基于计算机视觉的甘蔗茎节识别方法 |
CN104112139A (zh) * | 2014-06-30 | 2014-10-22 | 南京富士通南大软件技术有限公司 | 一种lpr车牌精确定位的方法和系统 |
Non-Patent Citations (2)
Title |
---|
冯君玲: ""车牌识别系统中车牌定位与倾斜校正的研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
贡丽霞: ""车牌识别系统中的牌照定位及倾斜矫正技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215078A (zh) * | 2018-07-16 | 2019-01-15 | 哈尔滨工程大学 | 一种基于红外成像的海浪浪向确定方法 |
CN110059683A (zh) * | 2019-04-15 | 2019-07-26 | 广州广电银通金融电子科技有限公司 | 一种基于端到端神经网络的大角度车牌倾斜矫正方法 |
CN110287952A (zh) * | 2019-07-01 | 2019-09-27 | 中科软科技股份有限公司 | 一种维语图片字符的识别方法及系统 |
CN110287952B (zh) * | 2019-07-01 | 2021-07-20 | 中科软科技股份有限公司 | 一种维语图片字符的识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kong et al. | A federated learning-based license plate recognition scheme for 5G-enabled internet of vehicles | |
US10692218B2 (en) | Method and system of detecting image tampering, electronic device and storage medium | |
US10429193B2 (en) | Method and apparatus for generating high precision map | |
CN103093181B (zh) | 一种车牌图像定位的方法和装置 | |
CN111191663B (zh) | 车牌号码识别方法、装置、电子设备及存储介质 | |
CN101334836B (zh) | 一种融合色彩、尺寸和纹理特征的车牌定位方法 | |
WO2023082784A1 (zh) | 一种基于局部特征注意力的行人重识别方法和装置 | |
US20160379053A1 (en) | Method and Apparatus for Identifying Object | |
US20170293992A1 (en) | Image code for processing information and device and method for generating and parsing same | |
CN109117846A (zh) | 一种图像处理方法、装置、电子设备和计算机可读介质 | |
CN102750564A (zh) | 动态二维码及其解码方法 | |
CN111914838A (zh) | 一种基于文本行识别的车牌识别方法 | |
CN105426888A (zh) | 一种基于Radon变换的车牌倾斜角度矫正方法 | |
US20160042246A1 (en) | A haar calculation system, an image classification system, associated methods and associated computer program products | |
CN111860489A (zh) | 一种证件图像校正方法、装置、设备及存储介质 | |
CN112016510B (zh) | 基于深度学习的信号灯识别方法和装置、设备及存储介质 | |
CN112052845A (zh) | 图像识别方法、装置、设备及存储介质 | |
CN111191611A (zh) | 基于深度学习的交通标志标号识别方法 | |
CN111950355A (zh) | 印章识别方法、装置及电子设备 | |
CN112183517B (zh) | 证卡边缘检测方法、设备及存储介质 | |
CN106991821A (zh) | 违章车辆用手持移动终端数据采集系统 | |
CN111104941B (zh) | 图像方向纠正方法、装置及电子设备 | |
CN111191653A (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
CN105590112A (zh) | 一种图像识别中倾斜文字判断方法 | |
CN112053407B (zh) | 一种交通执法影像中基于ai技术的车道线自动检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160323 |
|
RJ01 | Rejection of invention patent application after publication |